提早6年！AI診斷出老年癡呆的效率遠超人類

熱門推薦：老年癡呆 , 診斷 , AI ,

來源：生物探索

2019-01-07

阿爾茨海默病又稱老年癡呆，是一種常見的神經(jīng)系統(tǒng)退行性疾病，目前尚無治愈方法。雖然近年來出現(xiàn)的一些藥物可以幫助阻止病情的發(fā)展，但是這些治療必須在疾病發(fā)展早期就進行才能發(fā)揮足夠有效的作用。

為此，科學家們一直在與時間賽跑，以期發(fā)現(xiàn)早期診斷病情的方法。

在近期發(fā)表于Radiology上的一項研究中，研究人員將神經(jīng)影像學與機器學習（人工智能）相結(jié)合，試圖預(yù)測患者在首次出現(xiàn)記憶障礙時是否會患上阿爾茨海默?。ㄟ@是對其進行干預(yù)的時機），并最終成功使診斷時間比常規(guī)方法提前了近6年！

阿爾茨海默氏癥患者的大腦（左）與未患該病的人的大腦之間的比較（圖片來源：加州大學舊金山分校）

PET掃描原理及短板

診斷阿爾茨海默病的一種常用工具叫做正電子發(fā)射斷層掃描（PET），主要原理是通過掃描測量大腦中特定分子（如葡萄糖）的水平來判斷癥狀嚴重程度的。葡萄糖是腦細胞的主要燃料來源，細胞越活躍，消耗的葡萄糖就越多。隨著腦細胞的病變和死亡，葡萄糖消耗逐漸減少，最終沒有葡萄糖。

其他一些類型的PET掃描，旨在尋找與阿爾茨海默病有關(guān)的蛋白質(zhì)，但葡萄糖PET掃描更常見且更便宜，尤其是在較小的醫(yī)療機構(gòu)和發(fā)展中國家，因為它們還被用于癌癥分期。

因此，放射科醫(yī)生多使用這些掃描試圖通過尋找大腦中（額葉和頂葉中）降低的葡萄糖水平來檢測阿爾茨海默氏癥。但問題是，由于該疾病是一種緩慢的進行性疾病，因此葡萄糖的變化非常微妙，難以用肉眼觀察。

阿爾茨海默氏病患者腦部的PET掃描（圖片來源：National Institute on Aging）

隨著人工智能技術(shù)的發(fā)展，科學家們有了將機器學習與PET掃描相結(jié)合以更早、更可靠地診斷早期阿爾茨海默病的想法。

人工智能有效提高診斷效率

在最新這項研究中，為了訓(xùn)練“InceptionV3架構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)”（一種機器學習算法），主要研究者Jae Ho Sohn及其同事收集了來自阿爾茨海默病神經(jīng)影像學計劃（ADNI）的一些圖像，這是一個龐大的公共PET掃描數(shù)據(jù)集，來自阿爾茨海默病、輕度認知障礙或無障礙患者。

隨后，這種算法開始獨立學習哪些特征對于預(yù)測阿爾茨海默病的診斷非常重要，哪些不是。通過在ADNI數(shù)據(jù)集上進行訓(xùn)練、對比、測試以及最后的結(jié)果分析，研究人員發(fā)現(xiàn)，開發(fā)用于早期預(yù)測阿爾茨海默病的深度學習算法在100％靈敏度下達到82％的特異性，并在病人得到最終診斷之前平均75.8個月——相當于六年，做出了正確的疾病預(yù)測。

重要意義

阿爾茨海默病的難點在于，當所有的臨床癥狀出現(xiàn)并且我們可以做出明確診斷時，太多的神經(jīng)元已經(jīng)死亡，基本上已經(jīng)難再逆轉(zhuǎn)。而如果這一算法能夠做到提前診斷，Sohn認為在神經(jīng)科醫(yī)生開始試圖將記憶低下患者視為阿爾茨海默病的癥狀時，可以使用該算法幫助他們更快地獲得所需要的治療。

“我相信這種算法具有很強的臨床相關(guān)性，” Sohn說，“然而，在我們能夠做到這一點之前，我們需要在更大，更多樣化的患者隊列中驗證和校準算法，是來自不同大陸和各種不同類型的設(shè)置。”

Sohn表示，下一步他們將在來自不同醫(yī)院和國家的更大、更多樣化的數(shù)據(jù)集上測試和校準這一算法。

如果這篇文章侵犯了您的權(quán)利，請聯(lián)系我們。